EVO-WAM permet à des modèles d’action du monde de s’améliorer à partir de leurs propres trajectoires générées
1 sourcemis à jour 30 sept.pertinence 2,2 sur5
L’essentiel
Le cadre vérifie les trajectoires avec un modèle vision-langage et un modèle de dynamique inverse. Sur sept tâches RoboTwin 2.0, le succès de Cosmos3 passe de 26,9 % à 68,0 % et celui de DreamZero de 28,5 % à 46,4 %.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceShiyang Zhou, Xionghao Wu, Wenbo Li et al.huggingface.co
EVO-WAM: Evolving World Action Models through Video-Action Verification (site externe)
Really cool idea! 🤖 EVO-WAM shows that a World Action Model can actually learn from its own imagination!
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5